論文の概要: Preserve-and-Compose Training for Composed Image Retrieval

• arxiv url: http://arxiv.org/abs/2609.31202v1
• Date: Fri, 25 Sep 2026 12:37:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.395879
• Title: Preserve-and-Compose Training for Composed Image Retrieval
• Title（参考訳）: 合成画像検索のための保存・合成学習
• Abstract要約: 合成画像検索(CIR)は、参照画像から関連した視覚的コンテンツを保存しながら、ユーザが指定した修正を満足する画像を検索することを目的としている。 本稿では,映像からの視覚的エビデンスと目標捕獲監視を補完する保存・複合訓練を提案する。
• 参考スコア（独自算出の注目度）: 2.7074235008521246
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Composed image retrieval (CIR) aims to retrieve images that satisfy a user-specified modification while preserving relevant visual content from a reference image. Collecting target images for this purpose is costly, motivating zero-shot CIR methods that instead use target captions as supervision. However, target captions may omit source details that should be preserved. We therefore propose, Preserve-and-Compose Training, which complements target-caption supervision with visual evidence from the source image. PACT learns from image--text--text (ITT) triplets without target images or gallery updates, aligning composed queries with target captions while preserving source evidence through visual supervision. We further introduce Chord scoring, which combines target similarity with source-relative directional agreement in the frozen image space. Results across four ZS-CIR benchmarks show that combining target-caption supervision with source-image evidence leads to strong retrieval performance across datasets, backbone scales, and external galleries. The code is available on https://github.com/sehyunkwon/PACT.
• Abstract（参考訳）: 合成画像検索(CIR)は、参照画像から関連した視覚的コンテンツを保存しながら、ユーザが指定した修正を満足する画像を検索することを目的としている。 この目的のためにターゲット画像を収集することはコストがかかり、代わりにターゲットキャプションを監督するゼロショットCIRメソッドを動機付けている。 しかし、ターゲットキャプションは保存すべきソースの詳細を省略する可能性がある。 そこで本研究では,映像からの視覚的エビデンスによる目標捕獲監視を補完する「保存・複合訓練」を提案する。 PACTは、ターゲット画像やギャラリー更新のない画像テキスト(ITT)トレーレットから学習し、合成クエリをターゲットキャプションと整列させ、ビジュアル監視を通じてソースエビデンスを保存する。 さらに、凍結画像空間における目標類似性とソース相対方向の一致を組み合わせたコードスコアを導入する。 4つのZS-CIRベンチマークの結果は、ターゲットキャプションの監視とソースイメージのエビデンスを組み合わせることで、データセット、バックボーンスケール、外部ギャラリー間での検索性能が向上することを示している。 コードはhttps://github.com/sehyunkwon/PACT.comで公開されている。

関連論文リスト

• Never Seen Before: Benchmarking Genuine Zero-Shot Composed Image Retrieval with Consistent Video-Sourced Datasets [61.420656457977195]
  Zero-Shot Composed Image Retrieval (ZS-CIR) は、参照画像と相対キャプションからなるクエリに基づいて、サンプルをトレーニングせずにターゲット画像を取得することを目的としている。 既存のZS-CIRデータセットは、ノイズの多い画像ソースのため、参照画像とターゲット画像の完全な不一致に悩まされることが多い。 ZS-CIRの新しいベンチマークであるZeroSightを紹介する。
  論文  参考訳（メタデータ） (2026-06-05T08:23:25Z)
• Missing Target-Relevant Information Prediction with World Model for Accurate Zero-Shot Composed Image Retrieval [15.406836909707023]
  ZS-CIRタスクの鍵となる課題は、対象の画像を正確に検索するために、操作テキストに従って参照画像を変更することである。 そこで我々はPrediCIRという新しい予測型マッピングネットワークを提案する。 本モデルでは、6つのZS-CIRタスクに対して強い一般化能力を示す。
  論文  参考訳（メタデータ） (2025-03-21T12:49:50Z)
• Knowledge-Enhanced Dual-stream Zero-shot Composed Image Retrieval [53.89454443114146]
  本研究では,ゼロショット合成画像検索タスク(ZS-CIR)について検討した。 従来の作品では、参照画像の特徴をテキスト埋め込み空間に投影することで、擬似ワードトークンを生成する。 知識強化型デュアルストリームゼロショット合成画像検索フレームワーク(KEDs)を提案する。 KEDはデータベースを組み込むことで、参照画像の属性を暗黙的にモデル化する。
  論文  参考訳（メタデータ） (2024-03-24T04:23:56Z)
• Training-free Zero-shot Composed Image Retrieval with Local Concept Reranking [34.31345844296072]
  合成画像検索は、参照画像と対応する修正テキストの合成クエリを通して、ギャラリー画像から興味のある画像を検索しようとする。 現在の構成画像検索手法の多くは、参照画像、修正テキスト、対応するターゲット画像からなるコストのかかる3重化データセットのトレーニングに対する教師付き学習アプローチに従っている。 そこで本研究では,学習不要なゼロショット合成画像検索手法を提案する。
  論文  参考訳（メタデータ） (2023-12-14T13:31:01Z)
• Sentence-level Prompts Benefit Composed Image Retrieval [69.78119883060006]
  合成画像検索(CIR)は、参照画像と相対キャプションの両方を含むクエリを用いて、特定の画像を検索するタスクである。 本稿では,事前訓練されたV-Lモデル,例えばBLIP-2を用いて文レベルのプロンプトを生成することを提案する。 提案手法は,Fashion-IQおよびCIRRデータセット上の最先端のCIR手法に対して良好に動作する。
  論文  参考訳（メタデータ） (2023-10-09T07:31:44Z)
• Pic2Word: Mapping Pictures to Words for Zero-shot Composed Image Retrieval [84.11127588805138]
  Composed Image Retrieval (CIR)は、クエリイメージとテキストを組み合わせて、対象とするターゲットを記述する。 既存の方法は、クエリ画像、テキスト仕様、ターゲット画像からなるラベル付き三重項を用いたCIRモデルの教師あり学習に依存している。 我々は,ラベル付き三重項学習を必要とせずにCIRモデルを構築することを目的として,Zero-Shot Composed Image Retrieval (ZS-CIR)を提案する。
  論文  参考訳（メタデータ） (2023-02-06T19:40:04Z)
• Semantically Tied Paired Cycle Consistency for Any-Shot Sketch-based Image Retrieval [55.29233996427243]
  ローショットスケッチに基づく画像検索はコンピュータビジョンの新たな課題である。 本稿では,ゼロショットおよび少数ショットのスケッチベース画像検索(SBIR)タスクについて述べる。 これらの課題を解決するために,SEM-PCYC(SEM-PCYC)を提案する。 以上の結果から,Sketchy,TU-Berlin,QuickDrawのデータセットを拡張したバージョンでは,最先端の撮影性能が大幅に向上した。
  論文  参考訳（メタデータ） (2020-06-20T22:43:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。